如何将Pandas DataFrame转换为1NF以减少列中唯一值数量？

方法1：拆分多值列为单独行，统计频次 #

把逗号分隔的多个值拆分成单独的行，让每个类型独立出现，再统计每个类型的出现次数，就能直观用于可视化（比如柱状图）。

用Pandas的str.split()和explode()实现：

import pandas as pd

# 假设你的数据集存储在df中
df['restaurant_type'] = df['restaurant_type'].str.split(', ')  # 按逗号加空格拆分
df_exploded = df.explode('restaurant_type')  # 把拆分后的列表展开成多行

# 统计每个餐厅类型的出现次数
type_frequency = df_exploded['restaurant_type'].value_counts()

# 直接可视化（以柱状图为例）
type_frequency.plot(kind='bar', figsize=(12, 6), title='餐厅类型分布')

如果有多列都需要处理，可批量循环操作：

# 列出所有需要处理的多值列
target_columns = ['restaurant_type', 'cuisine_type', 'service_type']

for col in target_columns:
    # 拆分并展开列
    df[col] = df[col].str.split(', ')
    exploded_df = df.explode(col)
    # 统计频次并可视化
    col_frequency = exploded_df[col].value_counts()
    col_frequency.plot(kind='barh', title=f'{col} 分布')

方法2：One-Hot编码，生成类型二进制列 #

把每个独立类型转为单独的列，值为1（包含该类型）或0（不包含），适合展示多类型共存的分布，或者用于后续分析建模。

实现代码：

# 对restaurant_type列生成one-hot编码
type_onehot = df['restaurant_type'].str.get_dummies(', ')

# 合并编码列到原数据集
df_encoded = pd.concat([df, type_onehot], axis=1)

# 统计每个类型的总出现次数
type_total = type_onehot.sum()

# 可视化（横向柱状图更适合多类型展示）
type_total.plot(kind='barh', figsize=(10, 8), title='各餐厅类型总出现次数')

这两种方法都能将原本87个复合值拆解为单个独立类型，大幅降低可视化的复杂度，让你清晰展示各类别的分布情况。

内容的提问来源于stack exchange，提问作者Aman Rao